notebooklm

NotebookLM 自動化

Google NotebookLM を自動化します。ノートブックの作成、ソースの追加、コンテンツとのチャット、成果物（ポッドキャスト、動画、クイズ）の生成、結果のダウンロードができます。

インストール

PyPI から（推奨）：

pip install notebooklm-py

GitHub から（最新のリリースタグを使用し、main ブランチは使用しないでください）：

# Get the latest release tag (using curl)
LATEST_TAG=$(curl -s https://api.github.com/repos/teng-lin/notebooklm-py/releases/latest | grep '"tag_name"' | cut -d'"' -f4)
pip install "git+https://github.com/teng-lin/notebooklm-py@${LATEST_TAG}"

⚠️ main ブランチからインストールしないでください（pip install git+https://github.com/teng-lin/notebooklm-py）。main ブランチには、未リリースまたは不安定な変更が含まれている場合があります。未リリースの機能をテストする場合を除き、必ず PyPI または特定のリリースタグを使用してください。

インストール後、Claude Code スキルをインストールします。

notebooklm skill install

前提条件

重要： コマンドを使用する前に、必ず認証してください。

notebooklm login          # Opens browser for Google OAuth
notebooklm list           # Verify authentication works

認証エラーでコマンドが失敗する場合は、notebooklm login を再実行してください。

CI/CD、複数アカウント、並列エージェント

自動化された環境、複数のアカウント、または並列エージェントのワークフローで使用する場合：

変数	用途
NOTEBOOKLM_HOME	カスタム設定ディレクトリ（デフォルト：~/.notebooklm）
NOTEBOOKLM_AUTH_JSON	インライン認証 JSON。ファイルへの書き込みは不要です

CI/CD の設定： storage_state.json の内容を含むシークレットから NOTEBOOKLM_AUTH_JSON を設定します。

複数アカウント： アカウントごとに異なる NOTEBOOKLM_HOME ディレクトリを使用します。

並列エージェント： CLI はノートブックのコンテキストを共有ファイル（~/.notebooklm/context.json）に保存します。複数のエージェントが同時に notebooklm use を実行すると、互いのコンテキストを上書きする可能性があります。

並列ワークフローでの解決策：

1. 常に明示的なノートブック ID を使用する（推奨）： use に依存する代わりに、-n <notebook_id>（wait／download コマンドの場合）または --notebook <notebook_id>（その他のコマンドの場合）を渡します
2. エージェントごとに分離する： エージェントごとに一意の NOTEBOOKLM_HOME を設定します：export NOTEBOOKLM_HOME=/tmp/agent-$ID
3. 完全な UUID を使用する： 自動化では部分 ID の使用を避けます（曖昧になる可能性があります）

エージェントのセットアップ確認

ワークフローを開始する前に、CLI の準備ができていることを確認します。

1. notebooklm status → 「Authenticated as: email@...」と表示されること
2. notebooklm list --json → 有効な JSON が返されること（ノートブック一覧が空の場合も含む）
3. どちらかが失敗した場合 → notebooklm login を実行します

このスキルが有効になる場合

明示的な指定： ユーザーが「/notebooklm」「use notebooklm」と言うか、ツール名を挙げた場合

意図の検出： 次のようなリクエストを認識します。

• 「[topic] についてのポッドキャストを作成して」
• 「これらの URL／ドキュメントを要約して」
• 「自分の調査内容からクイズを生成して」
• 「これを音声概要にして」
• 「これらのソースを NotebookLM に追加して」

自律実行のルール

自動で実行する（確認不要）：

• notebooklm status - コンテキストを確認
• notebooklm auth check - 認証の問題を診断
• notebooklm list - ノートブックを一覧表示
• notebooklm source list - ソースを一覧表示
• notebooklm artifact list - 成果物を一覧表示
• notebooklm artifact wait - 成果物の完了を待機（サブエージェントのコンテキスト内）
• notebooklm source wait - ソースの処理を待機（サブエージェントのコンテキスト内）
• notebooklm research status - 調査の状態を確認
• notebooklm research wait - 調査の完了を待機（サブエージェントのコンテキスト内）
• notebooklm use <id> - コンテキストを設定（⚠️ 単一エージェントの場合のみ。並列ワークフローでは -n フラグを使用）
• notebooklm create - ノートブックを作成
• notebooklm ask "..." - チャットで質問
• notebooklm source add - ソースを追加

実行前に確認する：

• notebooklm delete - 破壊的な操作
• notebooklm generate * - 長時間かかる場合があり、失敗する可能性があります
• notebooklm download * - ファイルシステムに書き込みます
• notebooklm artifact wait - 長時間かかる操作（メインの会話内の場合）
• notebooklm source wait - 長時間かかる操作（メインの会話内の場合）
• notebooklm research wait - 長時間かかる操作（メインの会話内の場合）

クイックリファレンス

タスク	コマンド
認証する	notebooklm login
認証の問題を診断する	notebooklm auth check
認証を診断する（完全版）	notebooklm auth check --test
ノートブックを一覧表示する	notebooklm list
ノートブックを作成する	notebooklm create "Title"
コンテキストを設定する	notebooklm use <notebook_id>
コンテキストを表示する	notebooklm status
URL ソースを追加する	notebooklm source add "https://..."
ファイルを追加する	notebooklm source add ./file.pdf
YouTube を追加する	notebooklm source add "https://youtube.com/..."
ソースを一覧表示する	notebooklm source list
ソースの処理完了を待つ	notebooklm source wait <source_id>
ウェブ調査（高速）	notebooklm source add-research "query"
ウェブ調査（詳細）	notebooklm source add-research "query" --mode deep --no-wait
調査状況を確認する	notebooklm research status
調査の完了を待つ	notebooklm research wait --import-all
チャットする	notebooklm ask "question"
チャットする（新しい会話）	notebooklm ask "question" --new
チャットする（特定のソース）	notebooklm ask "question" -s src_id1 -s src_id2
チャットする（参照付き）	notebooklm ask "question" --json
ソースの全文を取得する	notebooklm source fulltext <source_id>
ソースのガイドを取得する	notebooklm source guide <source_id>
ポッドキャストを生成する	notebooklm generate audio "instructions"
ポッドキャストを生成する（JSON）	notebooklm generate audio --json
ポッドキャストを生成する（特定のソース）	notebooklm generate audio -s src_id1 -s src_id2
動画を生成する	notebooklm generate video "instructions"
クイズを生成する	notebooklm generate quiz
アーティファクトの状態を確認する	notebooklm artifact list
完了を待つ	notebooklm artifact wait <artifact_id>
音声をダウンロードする	notebooklm download audio ./output.mp3
動画をダウンロードする	notebooklm download video ./output.mp4
レポートをダウンロードする	notebooklm download report ./report.md
マインドマップをダウンロードする	notebooklm download mind-map ./map.json
データテーブルをダウンロードする	notebooklm download data-table ./data.csv
クイズをダウンロードする	notebooklm download quiz quiz.json
クイズをダウンロードする（Markdown）	notebooklm download quiz --format markdown quiz.md
フラッシュカードをダウンロードする	notebooklm download flashcards cards.json
フラッシュカードをダウンロードする（Markdown）	notebooklm download flashcards --format markdown cards.md
ノートブックを削除する	notebooklm notebook delete <id>

並列実行時の安全性： 並列ワークフローでは、明示的なノートブック ID を使用してください。-n の短縮形に対応するコマンド：artifact wait、source wait、research wait/status、download *。ダウンロードコマンドは -a/--artifact にも対応しています。その他のコマンドでは --notebook を使用します。チャットでは、会話 ID の競合を避けるため、--new を使って新しい会話を開始してください。

部分 ID： UUID の先頭 6 文字以上を使用します。一意のプレフィックスである必要があります（曖昧な場合は失敗します）。use、delete、wait コマンドで使用できます。自動化では、曖昧さを避けるため完全な UUID の使用を推奨します。

コマンドの出力形式

--json を指定するコマンドは、解析用の構造化データを返します。

ノートブックの作成：

$ notebooklm create "Research" --json
{"id": "abc123de-...", "title": "Research"}

ソースの追加：

$ notebooklm source add "https://example.com" --json
{"source_id": "def456...", "title": "Example", "status": "processing"}

アーティファクトの生成：

$ notebooklm generate audio "Focus on key points" --json
{"task_id": "xyz789...", "status": "pending"}

参照付きのチャット：

$ notebooklm ask "What is X?" --json
{"answer": "X is... [1] [2]", "conversation_id": "...", "turn_number": 1, "is_follow_up": false, "references": [{"source_id": "abc123...", "citation_number": 1, "cited_text": "Relevant passage from source..."}, {"source_id": "def456...", "citation_number": 2, "cited_text": "Another passage..."}]}

ソースの全文（インデックス化されたコンテンツの取得）：

$ notebooklm source fulltext <source_id> --json
{"source_id": "...", "title": "...", "char_count": 12345, "content": "Full indexed text..."}

引用の理解： 参照内の cited_text は、多くの場合、引用箇所の全文ではなく、抜粋またはセクション見出しです。start_char／end_char の位置は、生の全文ではなく、NotebookLM の内部のチャンク化されたインデックスを参照します。引用箇所を特定するには、SourceFulltext.find_citation_context() を使用してください。

fulltext = await client.sources.get_fulltext(notebook_id, ref.source_id)
matches = fulltext.find_citation_context(ref.cited_text)  # Returns list[(context, position)]
if matches:
    context, pos = matches[0]  # First match; check len(matches) > 1 for duplicates

ID の抽出： JSON 出力から id、source_id、または task_id フィールドを解析します。

生成タイプ

すべての生成コマンドで、次のオプションを使用できます。

• -s, --source：すべてのソースではなく、特定のソースを使用します
• --json：機械可読形式で出力します（task_id と status を返します）

タイプ	コマンド	ダウンロード可能
ポッドキャスト	generate audio	はい（.mp3）
動画	generate video	はい（.mp4）
スライド	generate slide-deck	はい（.pdf）
インフォグラフィック	generate infographic	はい（.png）
レポート	generate report	はい（.md）
マインドマップ	generate mind-map	はい（.json）
データテーブル	generate data-table	はい（.csv）
クイズ	generate quiz	はい（.json/.md/.html）
フラッシュカード	generate flashcards	はい（.json/.md/.html）

一般的なワークフロー

リサーチからポッドキャストを作成（対話形式）

所要時間： 合計5～10分

1. notebooklm create "Research: [topic]" — 失敗した場合：notebooklm login で認証を確認します
2. URL／ドキュメントごとに notebooklm source add を実行します — 失敗したものがあれば、警告を記録してほかのソースの処理を続けます
3. ソースがすべて READY になるまで待ちます：notebooklm source list --json — 生成前に必須です
4. notebooklm generate audio "Focus on [specific angle]" を実行します（確認を求められたら承認します） — レート制限された場合：5分待ってから1回だけ再試行します
5. 返されたアーティファクト ID を記録します
6. 後で notebooklm artifact list を実行し、ステータスを確認します
7. 完了したら notebooklm download audio ./podcast.mp3 を実行します（確認を求められたら承認します）

リサーチからポッドキャストを作成（サブエージェントで自動化）

所要時間： 5～10分ですが、バックグラウンドで処理が続きます

ユーザーが完全な自動化（準備完了時に生成してダウンロード）を希望する場合：

1. 通常どおりノートブックを作成し、ソースを追加します
2. ソースの準備ができるまで待ちます（source wait を使うか、source list --json で確認します）
3. notebooklm generate audio "..." --json を実行し、出力から artifact_id を解析します
4. Task ツールを使って、バックグラウンドエージェントを起動します：

   Task(
     prompt="Wait for artifact {artifact_id} in notebook {notebook_id} to complete, then download.
             Use: notebooklm artifact wait {artifact_id} -n {notebook_id} --timeout 600
             Then: notebooklm download audio ./podcast.mp3 -a {artifact_id} -n {notebook_id}",
     subagent_type="general-purpose"
   )
   

5. エージェントが待機している間も、メインの会話を続けられます

サブエージェントでのエラー処理：

• artifact wait が終了コード2（タイムアウト）を返した場合：タイムアウトを報告し、artifact list での確認を提案します
• ダウンロードに失敗した場合：まずアーティファクトのステータスが COMPLETED か確認します

メリット： 処理をブロックせず、ユーザーはほかの作業を進められ、完了時に自動でダウンロードできます

ドキュメント分析

所要時間： 1～2分

1. notebooklm create "Analysis: [project]"
2. notebooklm source add ./doc.pdf（または URL）を実行します
3. notebooklm ask "Summarize the key points" を実行します
4. notebooklm ask "What are the main arguments?" を実行します
5. 必要に応じて会話を続けます

一括インポート

所要時間： ソース数によって異なります

1. notebooklm create "Collection: [name]"
2. 複数のソースを追加します：

   notebooklm source add "https://url1.com"
   notebooklm source add "https://url2.com"
   notebooklm source add ./local-file.pdf
   

3. notebooklm source list を実行して確認します

ソースの上限： ノートブックあたり最大50件 対応形式： PDF、YouTube URL、ウェブ URL、Google Docs、テキストファイル

ソースの待機を伴う一括インポート（サブエージェントパターン）

所要時間： ソース数によって異なります

複数のソースを追加し、チャットや生成の前に処理完了を待つ必要がある場合：

1. --json を指定してソースを追加し、ID を取得します：

   notebooklm source add "https://url1.com" --json  # → {"source_id": "abc..."}
   notebooklm source add "https://url2.com" --json  # → {"source_id": "def..."}
   

2. すべてのソースを待機するバックグラウンドエージェントを起動します：

   Task(
     prompt="Wait for sources {source_ids} in notebook {notebook_id} to be ready.
             For each: notebooklm source wait {id} -n {notebook_id} --timeout 120
             Report when all ready or if any fail.",
     subagent_type="general-purpose"
   )
   

3. エージェントが待機している間も、メインの会話を続けられます
4. ソースの準備ができたら、チャットまたは生成に進みます

ソースを待つ理由： チャットや生成の前に、ソースのインデックス作成が必要です。ソースごとに10～60秒かかります

ディープウェブリサーチ（サブエージェントパターン）

所要時間： 2〜5 分、バックグラウンドで実行

ディープリサーチでは、あるトピックについてウェブ上の情報源を見つけて分析します。

1. ノートブックを作成します：notebooklm create "Research: [topic]"
2. ディープリサーチを開始します（ノンブロッキング）：

   notebooklm source add-research "topic query" --mode deep --no-wait
   

3. バックグラウンドエージェントを起動して、完了を待ってからインポートします：

   Task(
     prompt="Wait for research in notebook {notebook_id} to complete and import sources.
             Use: notebooklm research wait -n {notebook_id} --import-all --timeout 300
             Report how many sources were imported.",
     subagent_type="general-purpose"
   )
   

4. エージェントが待機している間、メインの会話を続けます
5. エージェントが完了すると、情報源が自動的にインポートされます

代替方法（ブロッキング）： 簡単なケースでは、--no-wait を省略します：

notebooklm source add-research "topic" --mode deep --import-all
# Blocks for up to 5 minutes

モードの使い分け：

• --mode fast：特定のトピックについて、概要をすばやく把握したい場合（5〜10 件の情報源、数秒）
• --mode deep：幅広いトピックについて、包括的な分析が必要な場合（20 件以上、2〜5 分）

リサーチの情報源：

• --from web：ウェブを検索します（デフォルト）
• --from drive：Google Drive を検索します

出力スタイル

進捗の更新： 各ステップの状況を簡潔に伝えます

• 「ノートブック『Research: AI』を作成しています……」
• 「情報源を追加しています：https://example.com...」
• 「音声生成を開始しています……（タスク ID：abc123）」

時間のかかる処理は、開始して結果を待たずに戻ります：

• 生成を開始し、アーティファクト ID をすぐに返します
• メインの会話ではポーリングや待機を行いません。生成には 5〜45 分かかります（所要時間の表を参照）
• ユーザーが手動でステータスを確認するか、artifact wait を使うサブエージェントを使用します

JSON 出力： 機械可読な出力には --json フラグを使用します：

notebooklm list --json
notebooklm auth check --json
notebooklm source list --json
notebooklm artifact list --json

JSON スキーマ（主なフィールド）：

notebooklm list --json：

{"notebooks": [{"id": "...", "title": "...", "created_at": "..."}]}

notebooklm auth check --json：

{"checks": {"storage_exists": true, "json_valid": true, "cookies_present": true, "sid_cookie": true, "token_fetch": true}, "details": {"storage_path": "...", "auth_source": "file", "cookies_found": ["SID", "HSID", "..."], "cookie_domains": [".google.com"]}}

notebooklm source list --json：

{"sources": [{"id": "...", "title": "...", "status": "ready|processing|error"}]}

notebooklm artifact list --json：

{"artifacts": [{"id": "...", "title": "...", "type": "Audio Overview", "status": "in_progress|pending|completed|unknown"}]}

ステータス値：

• 情報源：processing → ready（または error）
• アーティファクト：pending または in_progress → completed（または unknown）

エラー処理

失敗した場合は、ユーザーに次の選択肢を提示します：

1. 操作を再試行する
2. スキップして別の作業を続ける
3. エラーを調査する

エラーの判断フロー：

エラー	原因	対処
認証／Cookie エラー	セッションの有効期限切れ	notebooklm auth check を実行し、その後 notebooklm login を実行します
"No notebook context"	コンテキストが設定されていない	-n <id> または --notebook <id> フラグを使用します（並列実行の場合）。単一エージェントの場合は notebooklm use <id> を使用します
"No result found for RPC ID"	レート制限	5〜10 分待ってから再試行します
GENERATION_FAILED	Google のレート制限	後で再試行します
ダウンロード失敗	生成が未完了	artifact list でステータスを確認します
無効なノートブック／情報源 ID	ID が間違っている	notebooklm list を実行して確認します
RPC プロトコルエラー	Google が API を変更した	CLI の更新が必要な場合があります

終了コード

すべてのコマンドで一貫した終了コードを使用します：

コード	意味	対処
0	成功	続行します
1	エラー（見つからない、処理に失敗）	標準エラー出力を確認し、「エラー処理」を参照します
2	タイムアウト（wait コマンドのみ）	タイムアウトを延長するか、手動でステータスを確認します

例：

• source wait は、情報源が見つからない場合、または処理に失敗した場合に 1 を返します
• artifact wait は、完了前にタイムアウトした場合に 2 を返します
• generate は、レート制限に達した場合に 1 を返します（詳細は標準エラー出力を確認します）

既知の制限事項

レート制限： 音声、動画、クイズ、フラッシュカード、インフォグラフィック、スライドの生成は、Google のレート制限により失敗することがあります。これは API の制限であり、バグではありません。

安定して動作する操作： 以下は常に動作します。

• ノートブック（一覧表示、作成、削除、名前変更）
• ソース（追加、一覧表示、削除）
• チャット／クエリ
• マインドマップ、学習ガイド、FAQ、データテーブルの生成

不安定な操作： 以下はレート制限により失敗することがあります。

• 音声（ポッドキャスト）の生成
• 動画の生成
• クイズとフラッシュカードの生成
• インフォグラフィックとスライドの生成

回避策： 生成に失敗した場合：

1. 状態を確認します：notebooklm artifact list
2. 5～10 分後に再試行します
3. 代替手段として NotebookLM のウェブ UI を使用します

処理時間は大きく異なります。 時間のかかる操作にはサブエージェントのパターンを使用してください。

操作	標準的な時間	推奨タイムアウト
ソースの処理	30s - 10 min	600s
リサーチ（高速）	30s - 2 min	180s
リサーチ（詳細）	15 - 30+ min	1800s
メモ	即時	n/a
マインドマップ	即時（同期）	n/a
クイズ、フラッシュカード	5 - 15 min	900s
レポート、データテーブル	5 - 15 min	900s
音声の生成	10 - 20 min	1200s
動画の生成	15 - 45 min	2700s

ポーリング間隔： 状態を手動で確認する場合は、API 呼び出しの過剰を避けるため、15～30 秒ごとにポーリングしてください。

トラブルシューティング

notebooklm --help              # Main commands
notebooklm auth check          # Diagnose auth issues
notebooklm auth check --test   # Full auth validation with network test
notebooklm notebook --help     # Notebook management
notebooklm source --help       # Source management
notebooklm research --help     # Research status/wait
notebooklm generate --help     # Content generation
notebooklm artifact --help     # Artifact management
notebooklm download --help     # Download content

認証の診断： notebooklm auth check - Cookie のドメイン、ストレージパス、検証状態を表示します 再認証： notebooklm login バージョンの確認： notebooklm --version スキルの更新： notebooklm skill install